지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2023.6
- 수록면
- 502 - 505 (4page)
이용수
이 논문의 연구 히스토리 (2)
2023
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
MPEG 에서는 머신비전 응용의 증가에 따라 기계를 위한 보다 효율적인 비디오 부호화를 위한 VCM(Video Coding for Machines) 표준을 개발하고 있다. 최근 MSFC(Multi-Scale Feature Compression)기반의 특징 압축 기술이 높은 성능을 보여주고 있다. 본 논문은 객체추적(object tracking) 머신비전 네트워크의 BACKBONE 분할 포인트로부터 추출되는 다중스케일(multi-scale) 특징에 맞는 MSFC 네트워크를 구성하여 압축 성능을 확인한다. 제안기법은 VCM 에서 제시하는 특징기준성능(feature anchor) 대비 최대 97.90% BD-rate 부호화 성능향상을 보여준다.
목차
요약
1. 서론
2. 제안하는 다중스케일 특징 압축 기법
3. 실험결과
4. 결론
참고문헌
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0102-2023-567-001938489